-
公开(公告)号：CN112148801B
公开(公告)日：2021-02-12
申请号：CN202011332527.6
申请日：2020-11-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种保护数据隐私的多方联合进行业务对象预测的方法，该方法应用于数据持有方，且包括：先利用哈希算法计算本地存储的对象样本对应的样本哈希，并记录在区块链中；再将对象样本加密发送至可信第三方，以使其在计算并查询出该样本哈希被记录在区块链中时，向数据使用方发送利用数据持有方的第一公钥加密对象样本而得到的加密样本；接着，从数据使用方接收双加密预测结果，其基于数据使用方本地部署的业务预测模型和加密样本进行同态运算，得到第一加密预测结果后，利用第二公钥对其进行加密而得到；再利用第一私钥解密双加密预测结果，得到第二加密预测结果，以使数据使用方利用第二私钥对其进行解密，得到预测结果明文。
-
公开(公告)号：CN112000990B
公开(公告)日：2021-02-05
申请号：CN202011164969.4
申请日：2020-10-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种隐私保护的数据处理方法、装置、设备及机器学习系统。一个方法实施例中，在多方参与的数据共享应用场景中需要获取机器学习算法中使用的非线性激活函数的数据处理结果时，可以使用非线性激活函数的无损表达式，利用多方安全计算协同计算各个子项，可以避免将其展开为多项式的近似求值算法，降低计算复杂性，提高了计算机设备计算非线性激活函数数据处理的效率。并且，可以大幅度降低例如泰勒展开等近似计算非线性激活函数的复杂程度和精度损失。
-
公开(公告)号：CN111931947B
公开(公告)日：2021-02-05
申请号：CN202011082377.8
申请日：2020-10-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书一个或多个实施例涉及一种用于分布式模型训练的训练样本重组方法及系统，所述方法由参与方中的服务器实现；所述方法包括：获取融合训练样本集；所述融合训练样本集包括来自一个或多个训练成员的训练样本；获取第一模型，并将所述第一模型发送给各训练成员；对各训练成员进行一轮或多轮训练样本重组，其中每轮重组包括：获取当前轮的传输比例系数；基于所述传输比例系数为各训练成员选择部分训练样本并下发；获取各训练成员上传的当前轮对应的模型性能参数；所述当前轮对应的模型性能参数为训练成员基于自身持有的训练样本以及服务器下发的训练样本进行训练得到的模型的模型性能参数；确定进行下一轮重组，或者停止重组。
-
公开(公告)号：CN112101555A
公开(公告)日：2020-12-18
申请号：CN202011269090.6
申请日：2020-11-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种多方联合训练模型的方法和装置，多方包括服务器和多个训练成员，方法由多个训练成员中的任一训练成员执行，方法包括多轮迭代更新，其中任意一轮迭代更新包括：利用从服务器获取的当前模型参数，更新本地的第一模型；根据本方的超参数，对应于动量梯度下降的方式确定本轮迭代中更新的本地动量；本方的超参数，根据本地的第一样本集合而确定；将更新的本地动量加密后得到本地的加密动量；向服务器发送本地的加密动量，以使服务器根据从多个训练成员分别接收的加密动量，确定各更新的本地动量之和，得到总动量，根据总动量，更新当前模型参数。能够在多方联合训练模型时加快训练速度。
-
公开(公告)号：CN112015749A
公开(公告)日：2020-12-01
申请号：CN202011159885.1
申请日：2020-10-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于隐私保护更新业务模型的方法，针对联邦学习过程中，各个业务方提供不同结构的图数据（异构图），无法统一建模的问题，提出一种模型参数局部相一致的技术构思，通过模型基的设置，一个模型基包括若干基准参数，各个业务方利用模型基的线性组合构建本地模型参数向量或矩阵，从而构建本地业务模型。在联邦学习过程中，业务方上传本地梯度、服务方更新全局梯度、业务方更新本地模型参数，均以模型基为单元。这种局部更新模型参数的技术方案，有效打破异构图下的联邦学习壁垒，提供全新的联邦学习思路，并可推广至各种业务模型。
-
Patent Agency Ranking
公开(公告)号：CN112000990A
公开(公告)日：2020-11-27
申请号：CN202011164969.4
申请日：2020-10-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种隐私保护的数据处理方法、装置、设备及机器学习系统。一个方法实施例中，在多方参与的数据共享应用场景中需要获取机器学习算法中使用的非线性激活函数的数据处理结果时，可以使用非线性激活函数的无损表达式，利用多方安全计算协同计算各个子项，可以避免将其展开为多项式的近似求值算法，降低计算复杂性，提高了计算机设备计算非线性激活函数数据处理的效率。并且，可以大幅度降低例如泰勒展开等近似计算非线性激活函数的复杂程度和精度损失。
-
公开(公告)号：CN111931947A
公开(公告)日：2020-11-13
申请号：CN202011082377.8
申请日：2020-10-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书一个或多个实施例涉及一种用于分布式模型训练的训练样本重组方法及系统，所述方法由参与方中的服务器实现；所述方法包括：获取融合训练样本集；所述融合训练样本集包括来自一个或多个训练成员的训练样本；获取第一模型，并将所述第一模型发送给各训练成员；对各训练成员进行一轮或多轮训练样本重组，其中每轮重组包括：获取当前轮的传输比例系数；基于所述传输比例系数为各训练成员选择部分训练样本并下发；获取各训练成员上传的当前轮对应的模型性能参数；所述当前轮对应的模型性能参数为训练成员基于自身持有的训练样本以及服务器下发的训练样本进行训练得到的模型的模型性能参数；确定进行下一轮重组，或者停止重组。
-
公开(公告)号：CN111738238B
公开(公告)日：2020-11-13
申请号：CN202010820141.3
申请日：2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种人脸识别方法和装置，方法包括：终端设备利用第二公钥对待识别人脸图像进行同态加密得到加密人脸图像；向服务器发送识别请求，包括加密人脸图像和第二公钥；服务器对加密人脸图像进行同态特征处理并同态添加第一混淆；对预先存储的密态人脸特征同态添加第二混淆；从服务器接收混淆加密输出特征和混淆加密人脸特征；利用与第一公钥对应的第一私钥对混淆加密人脸特征进行解密，得到第一中间值；利用与第二公钥对应的第二私钥对混淆加密输出特征进行解密，得到第二中间值；计算第二中间值与第一中间值的差值；向服务器发送差值，服务器确定待识别人脸图像与目标用户是否匹配。能够提高人脸识别的安全性和响应速度。
-
公开(公告)号：CN111800411A
公开(公告)日：2020-10-20
申请号：CN202010626342.X
申请日：2020-07-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L29/06
Abstract: 本说明书实施例提供一种保护隐私的业务预测模型联合更新方法及装置，在更新方法中，服务器接收若干客户端在基于各自维护的私有样本，在本地训练业务预测模型后发送的加密梯度矩阵。将若干客户端的加密梯度矩阵加载到TEE中，在TEE中对其进行解密，得到若干原始梯度矩阵。对若干原始梯度矩阵中相同位置的矩阵元素进行融合，得到融合矩阵。该融合矩阵用于反映若干原始梯度矩阵中的矩阵元素取值的总体趋势。基于融合矩阵，计算若干原始梯度矩阵各自的离散度。该离散度用于反映各原始梯度矩阵中的矩阵元素取值偏离总体趋势的程度。基于若干原始梯度矩阵各自的离散度，选取各目标矩阵，并基于各目标矩阵，更新服务器维护的业务预测模型的模型参数。
-
公开(公告)号：CN111290838B
公开(公告)日：2020-08-18
申请号：CN202010384200.7
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于容器集群的应用访问请求处理方法及装置，该容器集群包括主节点和若干计算节点。部分计算节点中部署有第一应用，该第一应用对应容器运行在可信内存区域中。该方法由主节点执行，包括：接收用户的针对第一应用的访问请求。向各计算节点发送可信内存区域的使用量的获取请求。接收返回的可信内存区域的使用量。基于接收的使用量，确定各计算节点的可信内存区域的剩余量。若剩余量均小于预定阈值，则针对第一应用进行扩容，包括：在其它计算节点的可信内存区域中，启动第一应用的新建容器。将访问请求分配至其它计算节点，并由其它计算节点对访问请求进行响应。由此，可实现在可信执行环境中对私有数据的访问请求的处理。
-
-
-
-
-
-
-
-
-
Search Results
222
records
(took 0.046 seconds)
